如何使用图像数据生成器和数据帧流使用CSV文件实施K折交叉验证

问题描述

请显示或解释一个虚拟的示例代码片段，以演示针对Keras的Flow_from_Dataframe，Training_Generator和Valid_Generator对象进行K折交叉验证。 这是我当前拥有的代码（没有k-fold只是简单的拟合）：

ImageDataGen对象以执行所有扩充

IMG_SIZE = (150,150)
core_idg = ImageDataGenerator(samplewise_center=True,samplewise_std_normalization=True,horizontal_flip = True,vertical_flip = False,height_shift_range= 0.05,width_shift_range=0.1,rotation_range=5,shear_range = 0.1,fill_mode = 'reflect',zoom_range=0.15)

将主数据帧拆分为train_dataframe和valid_dataframe

train_df,valid_df = train_test_split(main_DF,test_size = 0.10,random_state = 2018,stratify = df_large['BINARY'].map(lambda x: x))

使用之前创建的ImageDatagen对象的flow_from_dataframe方法创建train_gen和valid_gen。

“ IMAGE_NAMES”和“ BINARY”是由图像名称和标签0或1组成的列。

all_labels = [ "0","1" ]

train_gen = core_idg.flow_from_dataframe(dataframe=train_df,directory="./DataFolder/",x_col = 'IMAGE_NAMES',y_col = 'BINARY',class_mode = 'categorical',classes = all_labels,target_size = IMG_SIZE,color_mode = 'rgb',batch_size = 64)

valid_gen = core_idg.flow_from_dataframe(dataframe=valid_df,batch_size = 256)

test_X,test_Y = next(core_idg.flow_from_dataframe(dataframe=valid_df,y_col = 'BIN_STR',batch_size = 256))

#fitting
hist = model.fit_generator(train_gen,validation_data = (test_X,test_Y),epochs = 30,callbacks = call_list)

现在如何将其转换为K折交叉验证？ 根据我的说法，core_idg必须在K-Fold循环之外创建一次，而不是使用train_df和valid_df，我们应该使用index的K-Fold方法进行拆分。 那么我提到的代码片段如何可以转换？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）